[发明专利]一种服务器数据处理性能测试方法与装置

权利要求书

1.一种基于深度学习模型的服务器数据处理性能测试方法，其特征在于，包括以下步骤：

根据服务器的硬件配置搭建软件环境；

基于所述软件环境安装深度学习框架；

设置测试数据处理性能所使用的测试参数；

使用所述深度学习框架基于所述测试参数测试所述服务器的数据处理性能；

生成并返回测试结果。

2.根据权利要求1所述的方法，其特征在于，根据所述服务器的所述硬件配置搭建所述软件环境包括：

根据所述服务器的图形处理单元安装对应的图形处理单元驱动；

根据所述服务器的图形处理设备安装对应的计算设备构架；

根据所述服务器的所述图形处理设备为所述计算设备构架安装对应的计算设备构架神经网络库；

根据所述计算设备构架神经网络库安装对应的依赖库。

3.根据权利要求2所述的方法，其特征在于，搭建所述软件环境时，所述图形处理器驱动、所述计算设备构架、所述计算设备构架神经网络库、所述依赖库按照前述顺序而依次被安装；使用自动化脚本搭建所述软件环境，其中每一个在安装完成时由所述自动化脚本检测版本匹配情况，在所述自动化脚本确认版本匹配后依次安装下一个。

4.根据权利要求2所述的方法，其特征在于，测试所述服务器的数据处理性能包括：所述图形处理单元与硬盘、CPU、内存、主板之间的协作数据处理性能和处理速度，和所述图形处理单元驱动与所述深度学习框架、所述计算设备构架、所述计算设备构架神经网络库、所述依赖库之间的协作数据处理性能和处理速度。

5.根据权利要求1所述的方法，其特征在于，设置测试所述数据处理性能所使用的所述测试参数，包括以下至少之一：训练次数、数据输入地址、训练强度、数据输出地址、训练模型、调用硬件、优化器、梯度规约、参数更新。

6.根据权利要求5所述的方法，其特征在于，所述深度学习框架为Tensorflow；所述训练模型包括以下至少之一：alexnet模型、googlenet模型、vgg16模型、resnet50模型、resnet152模型。

7.根据权利要求5所述的方法，其特征在于，所述优化器在训练过程中通过执行随机梯度下降算法来优化所述测试参数。

8.根据权利要求5所述的方法，其特征在于，所述梯度规约通过图形处理单元执行，所述参数更新通过中央处理单元执行。

9.根据权利要求1所述的方法，其特征在于，所述测试结果包括以下至少之一：训练任务吞吐量、训练任务加速比、推理任务延迟、推理任务加速比。

10.一种基于深度学习模型的服务器数据处理性能测试装置，其特征在于，包括：

处理器；和

存储器，存储有处理器可运行的程序代码，所述程序代码在被运行时执行如权利要求1-9中任意一项所述的方法。